[發明專利]公積金繳存數據預測方法、裝置及電子設備

在審

• 申請號: 202010597245.2
• 申請日: 2020-06-28
• 公開（公告）號: CN111898800A
• 公開（公告）日: 2020-11-06
• 發明（設計）人: 羅粒;劉朔臣;謝康;賴波;劉鑫
• 申請（專利權）人: 中國建設銀行股份有限公司;建信金融科技有限責任公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/10
• 代理公司: 北京市蘭臺律師事務所 11354
• 代理人: 張峰

1.一種公積金繳存數據預測方法，其特征在于，包括：

接收公積金相關滯后期指標信息；

基于接收到的公積金相關滯后期指標信息通過預訓練的Holt-Winters模型確定第一公積金繳存數據，所述預訓練的Holt-Winters模型基于Python語言框架實現；

基于接收到的公積金相關滯后期指標信息通過預訓練的Lasso模型確定第二公積金繳存數據；

對所述第一公積金繳存數據與所述第二公積金繳存數據進行加權處理，得到預測的公積金繳存數據。

2.根據權利要求1所述的方法，其特征在于，所述預訓練的Holt-Winters模型基于Python語言框架實現，包括：

基于預編寫Holt-Winter API使得Holt-Winters模型基于Python語言框架實現；

所述預編寫Holt-Winter API包括Holt-Winters算法函數、Fit Method、PredictMethod。

3.根據權利要求2所述的方法，其特征在于，所述Fit Method包括優化方法和目標函數；所述優化方法使用Scipy.Optimize框架，并約束Holt-Winter模型的參數的取值范圍。

4.根據權利要求1所述的方法，其特征在于，該方法還包括：

對所述預訓練的Holt-Winters模型的測試集進行去異常值處理，以避免未來函數問題；

所述去異常值處理包括：將各期測試集與原始訓練集拼接，得到拼接后的測試集；

基于拼接后測試集進行去異常值處理。

5.根據權利要求1-4任一項所述的方法，其特征在于，所述第一公積金繳存數據與所述第二公積金繳存數據的權重值基于所述預訓練的Holt-Winters模型與預訓練的Lasso模型的預測誤差值確定。

6.根據權利要求1所述的方法，其特征在于，所述基于接收到的公積金相關滯后期指標信息通過預訓練的Lasso模型確定第二公積金繳存數據，包括：

基于接收到的公積金相關滯后期指標信息的Correlation Score對于接收到的公積金相關滯后期指標信息進行篩選，確定輸入所述預訓練的Lasso模型的指標信息。

7.一種公積金繳存數據預測裝置，其特征在于，包括：

接收模塊，用于接收公積金相關滯后期指標信息；

第一確定模塊，用于基于接收到的公積金相關滯后期指標信息通過預訓練的Holt-Winters模型確定第一公積金繳存數據，所述預訓練的Holt-Winters模型基于Python語言框架實現；

第二確定模塊，用于基于接收到的公積金相關滯后期指標信息通過預訓練的Lasso模型確定第二公積金繳存數據；

加權處理模塊，用于對所述第一公積金繳存數據與所述第二公積金繳存數據進行加權處理，得到預測的公積金繳存數據。

8.根據權利要求7所述的方法，其特征在于，所述預訓練的Holt-Winters模型基于Python語言框架實現，包括：

預編寫Holt-Winter API使得Holt-Winters模型基于Python語言框架實現；所述預編寫Holt-Winter API包括Holt-Winters算法函數、Fit Method、Predict Method。

9.一種電子設備，其特征在于，包括：

一個或多個處理器；

存儲器；

一個或多個應用程序，其中所述一個或多個應用程序被存儲在所述存儲器中并被配置為由所述一個或多個處理器執行，所述一個或多個程序配置用于：執行根據權利要求1至6任一項所述的公積金繳存數據預測方法。

10.一種計算機可讀存儲介質，其特征在于，所述計算機存儲介質用于存儲計算機指令，當其在計算機上運行時，使得計算機可以執行上述權利要求1至6中任一項所述的公積金繳存數據預測方法。